人工智慧在科學研究中的環境影響與永續發展
這份由國際科學理事會（International Science Council, ISC）於 2025 年發布的報告，深入探討了人工智慧（AI）在科學研究應用中的環境影響，並為科學家與研究機構提供評估與降低其生態足跡的框架與工具。報告指出，目前學術界對 AI 的環境成本認知有限，許多人將運算資源視為「免費」，使其環境影響變得「無形」。
這份報告是 ISC 探討 AI 及其對科學影響的三部曲系列報告之一，其他兩部主題分別為「科學中的 AI 類型」及「科學中的 AI 資料」。
AI 全生命週期的環境衝擊
報告將 AI 的環境影響分為兩大類：
- 直接影響（Direct impacts）：指 AI 全生命週期中，與運算相關的資源消耗。這包括能源、水和礦物資源的消耗，以及運行 AI 系統所產生的溫室氣體排放與電子廢棄物。這些影響主要來自 AI 的「軟體層」（或稱運作層）與「硬體層」。
- 間接影響（Indirect impacts）：指 AI 應用在各個領域所帶來的後續效應。這些影響難以預測，可能有利也可能有害，例如，AI 可提升智慧電網的能源效率，但也可能透過自動化驅動不可持續的消費模式。
此外，報告特別提及 「反彈效應」（rebound effects），意指效率提升反而導致資源使用量增加，進而抵銷最初的環境效益。例如，更高效的資料中心雖然每次運算耗能更少，但因處理更多資料與服務，最終可能導致總體能源消耗增加。
衡量與評估環境成本
報告強調，評估 AI 的環境成本需要一個全面的 「生命週期評估法」（Life Cycle Assessment, LCA），涵蓋從硬體製造、模型訓練、部署到報廢的整個過程。
- 軟體層（Software layer）：這層的環境成本稱為 「運作成本」（Operational costs）。它與資料集大小、模型架構、運算時間以及碳足跡直接相關。報告指出，模型訓練和推論（inference）是能源消耗最顯著的環節。由於商業化部署的大型生成式 AI 模型，推論現在佔據了 AI 運算總能耗的 80% 至 90%。
- 硬體層（Hardware layer）：這層的環境成本稱為 「實體成本」（Embodied costs）。它涵蓋了從稀土礦物開採、硬體（如 GPU）製造、運輸、資料中心建置與運作，到設備報廢管理等各個環節所產生的溫室氣體排放與污染。
降低 AI 環境足跡的策略
為應對這些挑戰，報告提出多維度策略，旨在減少 AI 在科學研究中的直接環境成本。
1. 軟體生命週期
- 資料管理：提倡「資料節制」（data sobriety）與精益資料（lean data）實踐，僅收集、儲存和處理必要資料。關鍵策略包括資料去冗餘、評估資料的「半衰期」（即資料失去預測價值的速度），以及重複利用現有資料集。報告強調，添加更多資料並不總是能帶來更好的模型效能，更有效的方式是確保資料的高品質和代表性。
- 演算法優化：透過 「模型壓縮」（model compression） 技術（如量化、剪枝和知識蒸餾）來縮小模型規模，以降低記憶體、能耗和推論時間。報告以 InkubaLM 專案為例，這是一個專為非洲低資源語言開發的小型語言模型，證明即使是資源有限的環境也能發展出高效且永續的 AI。
2. 硬體生命週期
- 節能硬體與運算：選擇節能硬體，並應用 「綠色運算」（Green computing） 原則來處理電子元件的報廢。邊緣 AI（Edge AI）與分散式運算（distributed computing）能將運算負載分散到多個裝置上，減少對集中式、高能耗資料中心的依賴。報告以 TinyML（小型機器學習）技術為例，展示了如何在低成本、低功耗硬體上進行本地資料處理，應用於霍亂檢測、野生動物保育等領域。
- 節能資料中心：科學家和研究機構應關注其運算基礎設施的環境足跡，並支持更環保的替代方案。例如，在電力主要來自再生能源的地區運行 AI 任務，或採用優化散熱設計的資料中心。報告引用了巴西、肯亞和美國的案例，展示不同地區如何利用再生能源發展「綠色資料中心」。
永續 AI 與負責任 AI 的交會
報告總結，要減少 AI 的環境影響，不能僅僅依賴技術解決方案，更需將「永續性」納入 「負責任 AI」（Responsible AI） 和 「倫理 AI」（Ethical AI） 的框架中。這意味著除了關注效率、性能和準確性，還需考量 AI 對社會和環境的整體影響，特別是其對弱勢群體造成的「環境不公」（environmental equity）。報告呼籲科學家在應用 AI 時，進行整體性評估，確保其不僅能推動科學進步，同時也能維護社會福祉與地球健康。
本文由AI協助編輯，詳細內容來自：International Science Council
https://council.science/publications/environmental-impact-of-ai-in-science/
#全球觀測
張貼留言